PDF优化：我被一个3M的文档坑惨了——还有那些你早该知道的狠招
先说说上周的破事儿。一个客户发来个产品手册，PDF，3兆多。我随手扔到网站上，想着完事了。结果呢？Google根本不鸟它。
排名？做梦。抓取？慢得跟蜗牛似的——Search Console里抓取状态直接标黄。更要命的是，移动端打开那个PDF……我自己的手机都差点卡死。就这体验，还指望用户看？
PDF优化，不搞不行。
我那个3M的PDF到底坏在哪了
我们做SEO的，有时候太关注页面，忘了PDF也是索引的一部分。但你想过没有，一个臃肿的PDF对搜索引擎意味着什么？
抓取预算被白白浪费。Googlebot来你网站，花老半天啃那个大文件，结果模板内容还没抓完。你猜它下次还愿不愿意来？
而且，PDF里的内容提取……呵呵。没有标签结构、没有语义层级，Google只能靠OCR或者纯文本提取。如果里面全是扫描图片——那就更灾难了。啥都识别不出来，还谈什么长尾关键词？
对了，还有内部链接权重。很多人直接传个PDF上去，页面里就一个“点击下载”，没有描述，没有上下文。这等于把链接价值直接扔地上。
所以说，PDF优化绝对是被严重低估的技术活。
第一步：缩体积——但别缩成一片糊
市面上压缩工具一堆，但很多一压就把文字压没了，或者图片边缘全是毛刺。我试过不下十种后来学乖了——区分“有损”和“无损”。
如果是纯文字PDF，用Adobe Acrobat的“优化PDF”功能，勾选“放弃透明度”和“子集化字体”，能砍掉一半体积不夸张。但如果是图文混排……
https://obgeo.oss-cn-beijing.aliyuncs.com/pvc-articles/495a6b63-5a33-4817-9b6b-ee93dd0fd740.jpg
PDF优化-图文混排压缩前后对比图
你发现没，那个产品图里的文字都糊了。这就是乱选压缩模式的后果。我的经验是：用JPEG2000替代JPEG压缩，相同质量下能省20%-30%空间。推荐工具？命令行的话，Ghostscript一把梭：gs -sDEVICE=pdfwrite -dCompatibilityLevel=1.4 -dPDFSETTINGS=/ebook，用/ebook档位就行，别用/screen，那是压图片的极端，文字受不了。
另外，如果你用的建站系统会动态生成PDF——比如购物清单——那你得在代码里设好DPI。默认300对屏幕来说纯属浪费，150足够，体积差一倍。
语义化：让Google读懂PDF的心
SEO讲到烂的一个词是什么？结构化数据。但用到PDF上的……少之又少。
其实PDF本身就支持元数据、书签、标签。你右键看属性，那个“文档标题”字段，90%的人是空的。Google会把PDF当做普通文档索引，如果没标题，它就自己从内容里抓一句当标题，那效果能好才怪。老老实实填上，最好带关键词。
书签就是目录结构。你用Word导出时勾上“创建书签时使用标题”，一个二级结构就带过去了。别小看这个，Google抓取时会把书签当成内容层级，对你的长尾词布局有好处。
但上面的都是“物理”优化。更狠的是嵌入结构化数据。没想到吧？PDF里也能塞JSON-LD！不过实现起来有点绕：你得先用Acrobat给PDF加个文件附件，里面放一个JSON-LD文件，然后用标签关联。或者更简单——在页面里引用PDF时，用Data Highlighter标注PDF的链接，让Google知道这个PDF是个“文章”或“产品手册”。
https://obgeo.oss-cn-beijing.aliyuncs.com/pvc-articles/1c4a9320-be54-4152-9f69-98e692cbdee9.jpg
在PDF中嵌入结构化数据的示意图
说实话，很多做SEO的听到这里都懵了。但这正是拉开差距的地方。
字体和子集化：别再让客户端下载整个字体包
这个细节恶心死我了。有个设计同事，排PDF嫌默认字体丑，非要用一个7MB的中日韩字体……然后全嵌进去。结果一个3页PDF，20兆。
我就问他：你知道“子集化”吗？就是把用到的字抠出来，而不是整个字体扔进去。那文件直接从20兆掉到400K。气不气人？
所以我强制所有人：能不用嵌入字体就别用，用标准14字体（Helvetica, Times, Courier等），没有版权问题，阅读器都能渲染。非得用特殊字体？那就在导出时选“子集化嵌入”，别选“完整嵌入”。Adobe Acrobat、Ghostscript都能干这事。
还有，如果你用LaTeX写论文，那个默认字体设置……你会发现cm-super包把字体全嵌进去，文件大得离谱。得改参数：\\usepackage{fontenc}\\usepackage{type1ec}之类的，这个不展开，自行查。
加载速度不止于网页
https://obgeo.oss-cn-beijing.aliyuncs.com/pvc-articles/a972833f-bf58-4128-928d-5f4be20ddf76.jpg
加载速度不止于网页
作为一个搞GEO的人——没错，Google越来越看重体验信号了——我得提一个被忽略的指标：PDF的渐进式加载。
你见过那种打开PDF，空白半天才显示的吗？那就是没有“线性化”。线性化（也叫“快速Web查看”）之后，PDF第一页几秒内就能看到，后面边下边显。Google蜘蛛也喜欢这种，因为它不用等整个文件传完就知道内容大概是啥。
怎么弄？Acrobat里“另存为”时勾上“为快速Web查看准备”；命令行用qpdf --linearize一键搞定。特别提醒：如果你网站用CDN，有些CDN不会自动处理PDF，得手动开那个优化选项，不然线性化的头信息会被抹掉。
另外，永远不要把PDF直接放在首页banner后面搞自动播放下载。对你网站的Core Web Vitals没好处。用链接，给下载属性，最好旁边配个在线预览的链接——用那个什么pdf.js之类的。用户能直接在浏览器看，就不用等下载，对SEO好，对转化也好。
最后啰嗦两句
做PDF优化，别只盯着文件本身。你的网页如何引用它、如何描述它、甚至URL命名——都影响排名。/downloads/product-manual.pdf 比 /downloads/doc123.pdf 强一百倍。alt标签写清楚。如果有一堆PDF，给它们做个专属的HTMl索引页，塞进网站地图，提交给Search Console。
哦对，还有个救命招：用“PDF/A”格式存档。这个格式把所有元素（字体、颜色）都内嵌，看似更大，但它保证可读性，而且符合长期存档标准——Google对稳定性高的文档会给更高权重？不敢说死，但至少我测试的几个站点，切换后有轻微正向影响。
唉，说这么多，其实核心就一句：把PDF当成你网站的一个普通页面来优化。它也是内容，也能带来流量，凭什么不用心？ 不仅内容好，语气也很温和，这样的交流氛围真的很不错。 这样的优质帖子越多越好，希望论坛能多一些这样真诚的交流。 对新手特别友好，解释得很细致，就算零基础也能看懂大半。 之前一直半知半解，看了你的解释一下子就明白了，讲得通俗易懂。 看了这么多帖子，还是觉得你这篇最实在，条理清晰又容易理解。 说得很有道理，很多观点都说到点子上了，希望以后能多看到这类帖子。 支持理性讨论，反对无脑争吵，楼主带了个很好的头。
页:
[1]